【歡迎引用】 王毅， 吳立秋， 張俊棟. 以乘用車標簽開發(fā)淺析任務驅動的共用件知識管理模型應用[J]. 汽車文摘，2024（XX）： X-XX.

【Cite this paper】 WANG Y， WU L Q， ZHANG J D. Analysis of Task-Driven Common Parts Knowledge Management Model Application Based on Passenger Vehicle Label Development[J]. Automotive Digest （Chinese）， 2024（XX）： X-XX.

【摘要】為了滿足汽車行業(yè)技術革新和市場需求，以提升乘用車共用件的開發(fā)效率和資源利用為目標，探索知識分析管理模型在乘用車標簽領域的應用。通過構建知識復用庫和驗證模型，提出了一種基于任務驅動的共用件知識管理新策略，知識分析管理模型為乘用車共用件的高效開發(fā)提供了一種創(chuàng)新方法。結果表明，該模型能有效促進知識共享、縮短開發(fā)周期、降低成本、提升企業(yè)競爭力。

關鍵詞：知識分析管理模型；乘用車共用件；乘用車標簽

中圖分類號：U468" "文獻標志碼：A" DOI： 10.19822/j.cnki.1671-6329.20230103

【Abstract】 In order to meet the evolving technological innovations and market demands of the automotive industry， this paper explores the application of knowledge analysis and management model in the field of passenger vehicle labeling so as to improve the development efficiency and resource utilization of passenger vehicle common parts. By constructing the knowledge reuse library and validation model， a new strategy of task-driven common parts knowledge management is proposed. The knowledge analysis management model provides an innovative method for the efficient development of passenger vehicle common parts. The results show that the model can effectively promote knowledge sharing， shorten the development cycle， reduce the cost and enhance the competitiveness of enterprises.

Key words： Knowledge analysis management model， Passenger vehicle common parts， Passenger vehicle labels

0 引言

在電動化、智能化和網聯(lián)化的趨勢下，乘用車共用件的開發(fā)不僅關系到產品的性能和質量，也直接影響到企業(yè)的市場響應速度和成本控制能力。然而，現(xiàn)有知識管理實踐在促進跨項目和跨平臺的知識共享與復用方面存在不足，這限制了研發(fā)效率和創(chuàng)新能力的提升。周黎[1]指出知識管理是企業(yè)發(fā)展的關鍵因素。王薔[2]等對企業(yè)內部創(chuàng)業(yè)支持體系構建的深入探討，指出知識作為關鍵組織資源的重要性，但乘用車共用件領域的知識管理仍存在研究空白，特別是在知識復用和任務驅動模型構建方面，現(xiàn)有文獻尚未提供充分的解決方案。

本文提出了一種基于任務驅動的共用件知識管理模型，專門針對乘用車標簽領域。該模型通過構建和整合知識復用庫，旨在優(yōu)化研發(fā)流程，提高研發(fā)質量和效率。與現(xiàn)有研究相比，本文的研究不僅關注理論框架，更側重于模型的實際應用和效果評估。通過實證分析，展示該模型如何促進知識共享、縮短開發(fā)周期，提升企業(yè)的核心競爭力。

1 知識管理模型

知識是企業(yè)重要資產之一，由顯性、隱性、復用知識組成。隱性知識通過外在化形成顯性知識，外在化是指將人們頭腦中的經驗訣竅以文字、圖形等形式表現(xiàn)出來。發(fā)掘隱性知識，將普適性、可遷移、可復用的事實、模式、判斷等知識外在化成顯性知識是重要的過程。顯性知識通過精粹化成為復用知識，精粹化是將顯性知識去其糟粕取其精華。復用是指對已有知識進行重復利用以實現(xiàn)特定目標并使知識增值的過程[3]。自迭化是指通過個人學習復用知識、結合任務從執(zhí)行中獲取新的隱性知識的過程，復用知識通過自迭化轉化成隱性知識。3類知識循環(huán)往復動態(tài)發(fā)展，知識質量通過知識管理呈螺旋上升，見圖1。

企業(yè)知識管理模型能加速員工培養(yǎng)和項目進度，提高團隊協(xié)作效率和產品質量?；谄髽I(yè)知識管理模型，構建以任務驅動的知識管理分析模型，即一個實體可以定位、使用、共享的知識的過程，見圖2。

第1步：構建復用知識庫，將已有的知識整理成可復用模塊。

第2步：任務輸入，明確任務需求、約束條件及應用場景。

任務需求分為目標需求、成本需求。約束條件分為：外部約束、派生約束和給定約束。外部約束是由顧客和市場產生的需求；派生約束是任務進展過程中由已形成的任務結果帶來的約束；引入約束是根據(jù)自己的知識和經驗引入的。

第3步：任務目標，系統(tǒng)根據(jù)任務輸入提取目的、需求等關鍵字。

第4步：復用分析，通過投喂數(shù)據(jù)訓練人工智能模型，使其理解任務并展開分析，對任務屬性、場景進行格式化定義。

第5步：簡化后的任務目標，將復用分析的結果按照場景模式進行重排。

第6步：檢索匹配，通過復用知識庫檢索，找尋任務的復用知識解決問題，3種情況如下：完全匹配，庫中存在已有知識完全匹配任務目標。不完全匹配設計需變更，庫中存在類似的方案但需進行設計變更，系統(tǒng)將識別變更內容并推送給用戶。完全不匹配，庫中方案完全不滿足輸入任務，系統(tǒng)將問題反饋給專家，專家反饋解決方案，將隱性經驗萃取補充到復用知識庫中，補齊庫里知識空白，迭代更新提升知識質量，從而提高復用檢索分析決策的準確性。

第7步：建立復用方案綜合評價體系評估復用有效性。

第8步：迭代更新復用知識庫，即知識管理的精髓。任務完成后，專家根據(jù)評價結果，通過3方面開展工作：一是找出知識不合理的地方并以改進，優(yōu)化知識模型；二是查缺補漏知識庫中空白地帶；三是結合復用的實際應用情況迭代更新、提升已有知識質量。

以任務驅動知識復用庫的應用體現(xiàn)了企業(yè)知識管理模型通過“戴明環(huán)（Plan-Do-Check-Act， PDCA）”對知識不斷迭代閉環(huán)，拓寬了知識面并提升了質量。

2 乘用車共用件開發(fā)痛點分析

2.1 乘用車共用件特點

乘用車共用件是指在2個或2個以上車型共同使用的零件（如標簽、緊固件、接插件），共用件開發(fā)流程基本相同，均由車企研發(fā)制造。以全新項目為例，一級總成件約為485個，共用件占比約43%。乘用車共用件是整車零部件的重要部分，還具備多且復雜的特點。

（1）部分乘用車共用件涉及法規(guī)強制要求，車企為獲得銷售許可，滿足用戶上牌必須配備[4]，不滿足將帶來嚴重后果，輕則引起返修、重新申報型式認證，重則導致無法銷售。

（2）乘用車共用件多且復雜。多是指數(shù)量多、種類多、法規(guī)要求以及技術規(guī)范多，服務客戶多，對應要求復雜。以乘用車標簽為例展開分析乘用車共用件多且復雜的特點，見圖3。

a. 單車標簽數(shù)量多，據(jù)統(tǒng)計單車標簽數(shù)量≥140張。

b. 標簽種類多，按照法規(guī)、生產地點、服務車型等多維度分類，每一類功能作用不同。

c. 法規(guī)要求以及技術規(guī)范多是指標簽需滿足不同能源車型、銷售國、制造地的法規(guī)要求，同時需滿足企業(yè)內部所有設計規(guī)范要求。

d. 服務內部客戶及外部客戶多，內部客戶如制造部、市場部等。外部客戶，如顧客、中國汽車標準化技術委員會、車輛管理所等。

2.2 乘用車共用件開發(fā)痛點

結合某車企新車型項目13個平臺、80個項目平行開發(fā)和共用件的特點，梳理乘用車共用件開發(fā)痛點。

（1）客戶多、需求多且復雜：據(jù)統(tǒng)計單個項目的客戶數(shù)量≥15個，每個客戶需求不同且復雜。

（2）日益增長的新需求：隨著車型由傳統(tǒng)燃油車向新能源轉型，由中國設計制造銷售轉向中國設計、全球多工廠制造、全球多區(qū)域銷售，共用件設計需求量陡增，對設計研發(fā)、制造系統(tǒng)等開發(fā)需求日益增加。

（3）傳統(tǒng)的職責分工無法滿足日益增長的乘用車共用件開發(fā)需求：以乘用車標簽為例，140張標簽分布在各功能模塊由不同工程師負責，原有的職責分工不能滿足日益增加的開發(fā)需求，導致各功能模塊工程師的職責和分工不清晰，存在多種失效，主要包括：標簽開發(fā)無人認領；重復開發(fā)；缺乏經驗導致設計和試驗失效，無法準時交付，其他共用件也存在這種矛盾。

（4）煙囪式的開發(fā)模式：乘用車共用件是獨立煙囪式的單項目制模式，存在許多弊端如資源浪費等。工程師僅在單項目中進行問題的原因分析、制定解決方案及經驗學習閉環(huán)，未進行平臺化以避免同質問題重復發(fā)生，節(jié)省資源。應將解決方案進行知識萃取迭代，提取跨項目跨平臺的研發(fā)設計指導為后續(xù)項目提供指導。

（5）乘用車共用件知識沉淀缺失：乘用車共用件領域研發(fā)相當復雜，以標簽為例，該系統(tǒng)受粘貼位置、材料、溫度等多因素影響，相關經驗知識都存檔在資深員工的頭腦中，未形成顯性知識資產留存沉淀。

（6）存在人員流動帶來的風險：由于隱性知識未沉淀，企業(yè)需投入大量資源培養(yǎng)新員工，培訓周期長效率低，還會帶來重大隱患，如人力資源無法匹配項目進度導致項目延遲。

（7）知識存放系統(tǒng)使用頻率低：目前已建立了知識存放系統(tǒng)，但根據(jù)用戶調研，該系統(tǒng)使用頻率較低，即無人使用知識系統(tǒng)。若以任務驅動，讓用戶帶著目的去使用，可增加系統(tǒng)的使用頻次，更好地進行知識管理，如通過造車階段問題驅動在知識復用庫中找尋解決方案。

3 以乘用車標簽開發(fā)淺析任務驅動的共用件知識管理模型應用

雖然共用件的零件種類繁多，但基礎知識相通，通過分類可找到對應的研發(fā)方案，知識管理模型可匹配該類零件特性，解決目前痛點。與新員工相比，資深員工負責項目數(shù)更多、工時更短、效率更高、交付物質量更好。這表明挖掘隱性知識并提煉復用，能減少人為錯誤和重復工作。通過知識管理模型賦能新員工，能提高工作質量和效率。以標簽領域作為切入點，運用該模型探索高效率、高質量地設計乘用車標簽以解決乘用車共用件開發(fā)痛點。

3.1 構建乘用車標簽復用知識

首先，明確乘用車標簽知識的范圍并收集乘用車標簽知識，接著開展數(shù)據(jù)清洗工作。識別出重復命名的問題數(shù)據(jù)推送給領域專家，經專家確認，將重復數(shù)據(jù)刪除，進行規(guī)范化標簽命名以區(qū)分。該方法同樣適用于缺失數(shù)據(jù)調整、相似數(shù)據(jù)合并[5]。

對數(shù)據(jù)打標簽、結構化，構建使用場景、知識復用庫接口，完成測試。以中國區(qū)域銷售的整車銘牌復用知識測試為例，如表1所示，應用于“中國銷售，中國A基地B工廠制造”場景，整車銘牌的復用知識匯總了相關信息如車型、能源類型等。如表2所示，應用于“美國銷售，美國I基地J工廠制造”場景，防盜標簽的復用知識匯總了乘用車粘貼位置、字體顏色、標簽顏色等。

流程是系統(tǒng)的基礎，為解決分工問題，需建立一套乘用車標簽流程?；跉v史項目經驗、未來業(yè)務規(guī)劃，提煉出標準開發(fā)流程如圖4所示，該流程描述標簽設計、認可等實施過程，明確定義不同類型整車項目中，不同種類標簽設計職責分工，確保所有標簽都能找到正確的工程師，將整車項目—乘用車某標簽—工程師—研發(fā)流程—知識管理分析模型進行關聯(lián)。

3.2 任務輸入

將任務進行解耦，梳理出需求、約束、應用場景。以整車銘牌為例[6]，目標需求為設計一張整車銘牌；成本為2元（人民幣）；外部約束為傳統(tǒng)燃油車型，中國A基地制造C廠，出口北美；派生約束為標簽設計指導規(guī)范；引入約束為項目的經驗教訓總結等。

3.3 任務目標

系統(tǒng)根據(jù)用戶輸入，進行語義分析后抽取出關鍵詞，以整車銘牌為例，提取的關鍵詞有：傳統(tǒng)燃油車型、整車銘牌、中國、北美、A基地、C廠、2元（人民幣）、標簽設計指導規(guī)范、經驗教訓總結等。

3.4 復用分析

通過人工智能系統(tǒng)模型對任務進行理解后展開分析，對任務的屬性、場景進行格式化定義。以整車銘牌為例，復用分析就是需要設計一張整車銘牌滿足：傳統(tǒng)燃油車型，制造區(qū)域為中國A基地C廠，銷售區(qū)域為北美，成本需≤2元（人民幣），語言為英語，需滿足所有相關的北美法規(guī)和標簽設計指導，避免經驗教訓總結的失效再次發(fā)生。

3.5 簡化后的任務目標

如表3所示，將復用分析的結果按照知識復用庫的場景模式進行重新排列。

3.6 檢索匹配

經檢索，復用知識庫中存在已有知識可完全匹配任務目標實現(xiàn)完全復用。整車銘牌檢索匹配結果如表4所示，將構建好的方案通過交互式呈現(xiàn)以便新工程師快速查詢以及使用。

同樣也可以用知識復用庫搜索其他標簽，如韓國制造的混合動力車的燃油經濟性標簽，搜索匹配結果如表5所示，一目了然的匹配方案快速解決了新工程師上手工作慢、質量差的痛點。

3.7 建立復用方案綜合評價體系評估復用的有效性

針對乘用車標簽的痛點，結合業(yè)務流、以任務驅動的知識管理分析模型，建立了以下指標評估復用有效性：a. 工時；b. 重復開發(fā)率；c. 新工程師培訓時長；d. 與設計有關的質量問題數(shù)量；e. 與設計有關的制造問題數(shù)量；f. 經驗總結覆蓋率；g. 經驗總結及時閉環(huán)率。

3.8 標簽復用知識庫迭代更新

標簽復用庫主要面向2個用戶：標簽研發(fā)工程師、標簽領域專家。標簽研發(fā)工程師通過知識復用庫進行知識的查詢、選擇、調用，標簽的領域專家負責知識維護，建立索引、關聯(lián)定義等工作，如圖5所示。

知識復用庫可識別工程師的角色，通過任務驅動的需求、應用場景為用戶推薦方案，若檢索不到完全匹配復用的方案，系統(tǒng)將識別出需要變更的內容，如標簽打印內容，或是粘貼位置等，推送給工程師供參考。若知識庫里的方案完全不匹配用戶需求，系統(tǒng)將此問題反饋給領域專家，由專家在系統(tǒng)里反饋解決方案，形成閉環(huán)管理。復用完成后，專家將評估結果、實際使用情況萃取成隱形知識并迭代更新入系統(tǒng)。

4 方案成果

經過需求分析、需求優(yōu)先級排序等環(huán)節(jié)，制作完成了標簽知識復用系統(tǒng)模型，如圖6所示。初版系統(tǒng)模型上線并試運行3個月，通過后臺數(shù)據(jù)對比，可見標簽知識復用庫起到非常重要的作用，以單張標簽相關數(shù)據(jù)進行統(tǒng)計分析，見表4。

（1）單張標簽工程師研發(fā)工時降低，節(jié)省220 h，知識復用減少了工時投入，提高工作效率。節(jié)約各環(huán)節(jié)的工時，如材料選擇、供應商定點、試驗等。通過使用知識復用庫，節(jié)省了知識查閱學習、試錯、溝通確認的時間。

（2）標簽重復開發(fā)率從42%降低到6%，共降低36%，復用已有知識可減少重復開發(fā)，節(jié)省資源和時間。

（3）加速新工程師培養(yǎng)，培訓時間由6個月縮短到2個月。

（4）與設計有關的質量問題、制造問題數(shù)量明顯減少，平均減少了5.3個和7.3個，保證了開發(fā)交付物的質量下限，有效提高設計可靠性，從源頭上確保了生產的一致性。

（5）經驗總結覆蓋率、及時閉環(huán)率提升，分別提高了23%和30%。專家通過標簽知識復用庫大而全地將經驗教訓總結并及時維護和更新，靈活地適配已有知識以匹配不同的場景和任務，確保知識的及時性和準確性，進行交叉驗證，舉一反三，規(guī)避此類問題再次發(fā)生。

5 結束語

本文以乘用車標簽開發(fā)淺析任務驅動的共用件知識管理模型研究和創(chuàng)新應用，通過建立一套科學高效的共用件知識管理機制，實現(xiàn)了先進理論技術與數(shù)字化開發(fā)相融合。本文提出的方法強調了知識在生產過程中的關鍵作用，基于現(xiàn)有研究成果，對乘用車共用件知識進行了系統(tǒng)的管理和應用，減少工程師的工作量、工作時間，提升工作質量和效率，節(jié)省各項資源。通過該系統(tǒng)賦能研發(fā)人員加強協(xié)作，知識共享，縮短項目進度，敏捷響應，從而有效地提升企業(yè)核心競爭力。面向未來，本研究建議企業(yè)應進一步推廣該知識管理模型，以實現(xiàn)知識復用的最大經濟效益，為企業(yè)在激烈的市場競爭中贏得先機提供支持。

參 考 文 獻

[1] 周黎. 淺談知識管理對企業(yè)發(fā)展的重要性[J]. 經濟師， 2013（4）： 254.

[2] 王薔， 倪安平. 基于知識的企業(yè)內部創(chuàng)業(yè)支持體系構建[J]. 上海管理科學， 2007， 29（4）： 64-67.

[3] 王芳. 以知識復用促數(shù)字政府效能提升[J]. 人民論壇學術前沿， 2021（17）： 46-53.

[4] 顧先雪， 徐少陽. M1類乘用車標簽管理的應用[J]. 汽車工程師， 2016（1）： 61-62.

[5] 朱衛(wèi)星， 王智學， 李宗勇， 等. 基于領域知識復用的需求建模[J]. 解放軍理工大學學報（自然科學版）， 2009， 10（1）： 30-36.

[6] 張瓊妮. 基于知識復用的區(qū)域創(chuàng)新平臺構建研究[J]. 技術與創(chuàng)新管理， 2015， 36（2）： 116-120.

[7] 陳博洋， 胡曉兵， 鄧希. 基于設計方案樹和知識庫的產品設計方法研究[J]. 四川大學學報（自然科學版）， 2021， 58（3）： 74-82.

（責任編輯 明慧）